电力负荷预测方法及装置制造方法及图纸

本发明专利技术提供了一种电力负荷预测方法及装置，该方法包括：对目标区域进行区域划分，得到多个子区域；获取多个子区域的历史负荷数据，并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理，得到多个区域类；对于每个区域类，获取该区域类中的各个子区域在预测日的负荷影响数据，将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果；根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。本发明专利技术提供的电力负荷预测方法及装置能够提高短期电力负荷的预测精度。度。度。

【技术实现步骤摘要】
电力负荷预测方法及装置


[0001]本专利技术属于负荷预测
，更具体地说，是涉及一种电力负荷预测方法及装置。

技术介绍

[0002]电力需求预测对现代电力系统的发展具有十分重要的意义。电力系统的稳定和高效的管理、调度和调度，很大程度上依赖于对未来各时间段负荷的精确预测。特别地，短期负荷预测侧重于预测从几分钟到未来一周的负荷，可靠的短期负荷预测可以有效帮助能源的合理调度。
[0003]现有的短期负荷预测中通常基于某一区域的负荷影响数据直接进行该区域的负荷预测，但是该区域内部不同地理位置的负荷变化情况并不相同，直接进行整体区域的负荷预测并不够准确。

技术实现思路

[0004]本专利技术的目的在于提供一种电力负荷预测方法及装置，以提高短期电力负荷的预测精度。
[0005]本专利技术实施例的第一方面，提供了一种短期电力负荷预测方法，包括：
[0006]对目标区域进行区域划分，得到多个子区域；
[0007]获取多个子区域的历史负荷数据，并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理，得到多个区域类；
[0008]对于每个区域类，获取该区域类中的各个子区域在预测日的负荷影响数据，将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果；
[0009]根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
[0010]本专利技术实施例的第二方面，提供了一种短期电力负荷预测装置，包括：/>[0011]区域划分模块，用于对目标区域进行区域划分，得到多个子区域；
[0012]区域聚类模块，用于获取多个子区域的历史负荷数据，并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理，得到多个区域类；
[0013]负荷预测模块，用于对于每个区域类，获取该区域类中的各个子区域在预测日的负荷影响数据，将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果；
[0014]根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
[0015]本专利技术实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的短期电力负荷预测方法的步骤。
[0016]本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存
储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的短期电力负荷预测方法的步骤。
[0017]本专利技术提供的电力负荷预测方法及装置的有益效果在于：
[0018]区别于现有技术中直接基于某一区域的负荷影响数据进行负荷预测的方案，本专利技术首先将目标区域划分为多个子区域，再根据子区域的历史负荷数据对子区域进行聚类处理，对于同一类的子区域采用相同的负荷预测模型。相对于现有技术，本专利技术考虑到了地理位置因素对负荷预测的影响，能够有效提高短期电力负荷预测的准确性。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本专利技术一实施例提供的短期电力负荷预测方法的流程示意图；
[0021]图2为本专利技术一实施例提供的短期电力负荷预测装置的结构框图；
[0022]图3为本专利技术一实施例提供的终端设备的示意框图。
具体实施方式
[0023]为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0024]请参考图1，图1为本专利技术一实施例提供的短期电力负荷预测方法的流程示意图，该方法包括：
[0025]S101：对目标区域进行区域划分，得到多个子区域。
[0026]在本实施例中，可以按照行政归属对目标区域进行划分，也可根据供电线路对目标区域进行划分，也可直接按照占地面积对目标区域进行平均划分，此处不作限定。
[0027]S102：获取多个子区域的历史负荷数据，并基于多个子区域的历史负荷数据对多个子区域进行聚类处理，得到多个区域类。
[0028]在本实施例中，可以对各个子区域的历史负荷数据进行模糊聚类，得到多个区域类。
[0029]S103：对于每个区域类，获取该区域类中的各个子区域在预测日的负荷影响数据，将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果。根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
[0030]在本实施例中，负荷影响数据即为对电力负荷产生影响的数据，其包括但不限于温度、湿度、日期、设备类型、负荷功率等。
[0031]在本实施例中，可以将每个区域类中各个子区域在预测日的负荷影响数据输入至各个区域类对应的负荷预测模型中，得到各个区域类对应的负荷预测结果，最后将各个区域类对应的负荷预测结果之和作为目标区域在预测日的负荷数据。
[0032]由上可以得出，区别于现有技术中直接基于某一区域的负荷影响数据进行负荷预测的方案，本专利技术实施例首先将目标区域划分为多个子区域，再根据子区域的历史负荷数据对子区域进行聚类处理，对于同一类的子区域采用相同的负荷预测模型。相对于现有技术，本专利技术实施例考虑到了地理位置因素对负荷预测的影响，能够有效提高短期电力负荷预测的准确性。
[0033]可选地，作为本专利技术实施例提供的短期电力负荷预测方法的一种具体实施方式，区域类对应的负荷预测模型包括第一负荷预测模型和第二负荷预测模型。
[0034]将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果，包括：
[0035]将各个子区域在预测日对应的负荷影响数据输入至第一负荷预测模型中，得到各个子区域在预测日的第一负荷数据。
[0036]将各个子区域在预测日对应的负荷影响数据输入至第二负荷预测模型中，得到各个子区域在预测日的第二负荷数据。
[0037]将各个子区域在预测日的第一负荷数据和第二负荷数据的和作为该区域类对应的负荷预测结果。
[0038]第一负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的负荷，第二负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的负荷。
[0039]在本实施例中，第一负荷预测模型可以为BP神经网络模型或Elman神经网络模型，第二负荷预测模型可以为模糊神经网络模型。
[0040]在本实施例中，第一负荷数据也即电力系统安全保护装置所产生的负荷，第二负荷数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种短期电力负荷预测方法，其特征在于，包括：对目标区域进行区域划分，得到多个子区域；获取多个子区域的历史负荷数据，并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理，得到多个区域类；对于每个区域类，获取该区域类中的各个子区域在预测日的负荷影响数据，将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果；根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。2.如权利要求1所述的短期电力负荷预测方法，其特征在于，区域类对应的负荷预测模型包括第一负荷预测模型和第二负荷预测模型；所述将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中，得到该区域类对应的负荷预测结果，包括：将各个子区域在预测日对应的负荷影响数据输入至第一负荷预测模型中，得到各个子区域在预测日的第一负荷数据；将各个子区域在预测日对应的负荷影响数据输入至第二负荷预测模型中，得到各个子区域在预测日的第二负荷数据；将各个子区域在预测日的第一负荷数据和第二负荷数据的和作为该区域类对应的负荷预测结果；所述第一负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的负荷，所述第二负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的负荷。3.如权利要求2所述的短期电力负荷预测方法，其特征在于，还包括训练第一负荷预测模型和第二负荷预测模型的步骤；所述训练第一负荷预测模型和第二负荷预测模型的步骤包括：获取每个区域类中各个子区域在参考日的负荷影响数据、历史负荷数据；其中历史负荷数据包括第一历史负荷数据和第二历史负荷数据，所述第一历史负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的历史负荷，所述第二历史负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的历史负荷；基于每个区域类中各个子区域在参考日的负荷影响数据以及第一历史负荷数据训练得到各个区域类对应的第一负荷预测模型；基于每个区域类中各个子区域在参考日的负荷影响数据以及第二历史负荷数据训练得到各个区域类对应的第二负荷预测模型。4.如权利要求1所述的短期电力负荷预测方法，其特征在于，对于每个区域类，在训练第一负荷预测模型和第二负荷预测模型之前，还包括：获取参考日的突发事件记录以及预测日的突发事件记录，所述突发事件记录包括计划检修记录、故障检修记录、负荷限定记录、事故停电记录；根据参考日的突发事件记录以及预测日的突发事件记录对第一历史负荷数据和第二历史负荷数据进行更新。5.如权利要求...

【专利技术属性】
技术研发人员：马伟，石磊磊，贺新营，唐超，秦召磊，徐华博，左玉军，李振，史静怡，候净净，宋慧敏，
申请(专利权)人：国网河北省电力有限公司国家电网有限公司，
类型：发明
国别省市：